پديد آورنده :
رحيمي فرد، مهشيد
عنوان :
كنترل تطبيقي - عصبي سيستم هاي غير خطي تاخيردار در حضور خرابي عملگر با استفاده از شبكه هاي موجك
مقطع تحصيلي :
كارشناسي ارشد
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده برق و كامپيوتر
صفحه شمار :
نه، 120ص.: مصور
استاد راهنما :
مرضيه كمالي، مريم ذكري
توصيفگر ها :
سيستم هاي غير خطي به فرم فيدبك اكيد , كنترل سطح ديناميكي , تاخير زماني نامشخص
استاد داور :
فريد شيخ الاسلام، جعفر قيصري
تاريخ ورود اطلاعات :
1394/12/01
دانشكده :
مهندسي برق و كامپيوتر
چكيده فارسي :
چكيده در حوزهي كنترل تطبيقي عصبي از شبكههاي عصبي بنا بر تواناييهاي تقريب ذاتي آنها به عنوان تقريبزنهاي روي خط براي توابع غيرخطي نامشخص استفاده شده است با استفاده از ايدهي طراحي با تكنيك گام به عقب كنترلكنندههاي تطبيقي عصبي جالب توجهي براي دستههايي از سيستمهاي غيرخطي نامعين به فرم فيدبك اكيد بدون نياز به شرايط انطباق ارائه شده است اما در روش گام به عقب با افزايش درجهي سيستم به دليل وجود مشتقهاي مكرر توابع غيرخطي معين پيچيدگي كنترلكننده افزايش مييابد اين مشكل را ميتوان با استفاده از روش كنترل سطح ديناميكي DSC حل كرد هدف اصلي اين تحقيق كنترل تطبيقي عصبي سيستمهاي غيرخطي تاخيردار در حضور خرابي عملگر با استفاده از روش DSC ميباشد سيستمهاي مورد بررسي سيستمهايي به فرم فيدبك و در حضور اغتشاشهاي نامعين خارجي ميباشند در اين سيستمها از شبكههاي موجك براي تقريب توابع نامعين استفاده ميشود قوانين تطبيق پارامترهاي شبكهي موجك براساس طراحي لياپانوف به دست آمده است اغتشاشهاي نامعين توابع غيرخطي نامشخصي هستند كه اطالعات جزئي از كران آنها در دسترس ميباشد بنابراين از ترم مقاوم پيوسته براي حداقل كردن اثر آنها استفاده شده است همچنين به دليل وجود تاخيرهاي زماني نامشخص در معادالت سيستم در روند طراحي كنترلكننده و اثبات پايداري از تابعيهاي لياپانوف كراسوفسكي استفاده شده است به عالوه كنترلكننده به گونهاي طراحي شده است كه در صورت بروز خرابي عملگر از نوع كاهش عملكرد سيستم همچنان به عملكرد مطلوب خود ادامه دهد به منظور نشان دادن برتري شبكههاي موجك نسبت به شبكههاي عصبي توابع پايهاي شعاعي RBF كنترلكننده با بهكارگيري شبكههاي عصبي توابع پايهاي شعاعي نيز طراحي شده است در نهايت كنترلكنندهي طراحي شده براي سيستم چند ورودي چند خروجي نيز توسعه داده شده است براي تمام كنترلكنندههاي طراحي شده در اين تحقيق پايداري سيستم و همچنين همگرايي خطاي رديابي به يك مقدار كوچك دلخواه اثبات شده است كلمات كليدي سيستمهاي غيرخطي به فرم فيدبك اكيد كنترل تطبيقي عصبي شبكهي موجك كنترل سطح ديناميكي تاخير زماني نامشخص خرابي عملگر
چكيده انگليسي :
Adaptive Neural Control of Time Delay Nonlinear Systems in the presence of Actuator Failure using Wavelet Networks Seyedeh Mahshid Rahimifard sm rahimifard@ec iut ac ir January 2016 Department of Electrical and Computer Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language PersianSupervisor Dr Marzieh Kamali m kamali@cc iut ac ir Dr Maryam Zekri mzekri@cc iut ac irAbstractIn the literature of adaptive neural control neural networks have been utilized as online approximators forapproximating unknown nonlinear functions Considerable adaptive neural controllers for classes of unknownstrict feedback nonlinear systems have been presented by utilizing backstepping design and without the need ofmatching conditions However repeated differentiations of certain nonlinear functions in the backsteppingcontroller design process make the controller complex This complexity grows drastically as the system orderincreases This problem can be solved by using Dynamic Surface Control DSC method This thesis presents anadaptive neural controller for strict feedback nonlinear systems with unknown time delays and in the presence ofexternal disturbances and actuator failure The proposed adaptive neural controller is constructed based on DSCdesign technique Wavelet networks are utilized to approximate unknown nonlinear functions Adaptive laws areobtained based on Lyapunov design for updating the parameters of neural networks Disturbances are unknownfunctions which their bounds are partial known Therefore continues robust terms are applied in order to minimizetheir effects Furthermore unknown time delays are compensated by utilizing appropriate Lyapunov Krasovskiifunctionals The type of considered actuator failure is loss of effectiveness If the considered actuator failurehappens the controller can compensate its effect In order to show the efficiency of wavelet networks thecontroller is then designed by utilizing radial basis functions RBF Finally the controller design is extended forMulti Input Multi Output MIMO systems For all the controllers being designed the boundedness of all theclosed loop signals is guaranteed and the tracking error is proved to converge to a small neighborhood of theorigin KeywordsStrict feedback nonlinear systems Adaptive neural control Wavelet network DynamicSurface Control Unknown time delay Actuator failure
استاد راهنما :
مرضيه كمالي، مريم ذكري
استاد داور :
فريد شيخ الاسلام، جعفر قيصري